能设计新蛋白质的AI再现突破生成在天然蛋白质中从未见过的拓扑结构
《自然》杂志11日发表的论文描述了一项结构生物学新突破：一种能设计新蛋白质的深度学习方法，名为RoseTTAFold Diffusion（RFdiffusion）。其能生成各种功能性蛋白质，包括在天然蛋白质中从未见过的拓扑结构。
深度学习推动了蛋白质结构的预测和设计，但仍需一个通用框架来克服在蛋白质设计上遇到的各种挑战。扩散模型是一种生成式模拟方法，已被证明在图像和文本生成中很有用，而且似乎也适用于蛋白质设计。然而，这类模型目前的成功率并不高，产生的序列基本不能折叠成目标结构。
美国华盛顿大学科学家研究表明，通过细调之前报道过的RoseTTAFold的结构预测网络，将其整合到一个降噪扩散模型中，就能生成具有实际意义的蛋白质骨架，而蛋白质骨架决定了蛋白质的形状和功能。RFdiffusion模型能测试拥有不同结构元素的设计组合，并从头开始产生蛋白质。该模型还能执行不同的任务，设计单体（蛋白质的基本组成单位）、寡聚体（多亚基聚体）、有治疗或工业应用前景的复杂结构。
团队对数百个设计出的对称聚体、金属结合蛋白和结合蛋白的结构和功能进行了实验表征，证明了该方法的实用性。他们生成了RFdiffusion设计的一种结合蛋白与其底物（此处为流感血凝素，一种在流感病毒表面发现的蛋白）的复合物并分析了其结构，发现结果与设计的模型几乎一模一样，从而证明了该方法的准确性。
研究人员表示，RFdiffusion是对目前蛋白质设计方法的一次综合改进，能产生总长度达600个残基的结构，复杂性和准确度都比之前更高，未来对该方法的进一步改进将能设计出复杂程度更高的新蛋白。
RFdiffusion 现在免费且开源，研究人员可以通过开源在线平台ColabFold访问 RFdiffusion ，该平台是基于云的 Google Colaboratory 的一部分。该代码也可以从GitHub下载。
在此动画中，RFdiffusion 被提示生成一种与胰岛素受体（蓝色）结合的新蛋白质（橙色）
版权声明：除特殊说明外，本站所有文章均为 字节点击 原创内容，采用 BY-NC-SA 知识共享协议。原文链接：https://byteclicks.com/50742.html 转载时请以链接形式标明本文地址。转载本站内容不得用于任何商业目的。本站转载内容版权归原作者所有，文章内容仅代表作者独立观点，不代表字节点击立场。报道中出现的商标、图像版权及专利和其他版权所有的信息属于其合法持有人，只供传递信息之用，非商务用途。如有侵权，请联系 gavin@byteclicks.com。我们将协调给予处理。
查看全文
作者最近更新
-
三星电子业务重组消息频传，发力AI半导体科技笔记
2024-07-05 -
广汽埃安又一大动作：宁德时代提供换电电池科技笔记2024-05-17
评论0条评论